Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
Veröffentlicht von:Frieder Wolf Geändert vor über 7 Jahren
1
4. Ergebnisse +GME1007 gibt die CloudSat Verteilung i. A. gut wieder GME hat deutlich geringere maximale IWC Werte als CloudSat & GME1007 da es keinen Schnee enthält (fällt im diagnostischen Schema sofort aus) Auch GME1007 IIWC hat größere Werte als GME IWC Maximum der GME1007 IWC-Verteilung reicht höher als bei CloudSat (möglicherweise unterschätzt CloudSat die kleinen Teilchen) Reflektivitäten zeigen, dass GME1007 bei T ≥ -25°C zu kleine Teilchen hat +GME1007 gibt die drei zonalen IWP Maxima besser wieder als GME GME1007 überschätzt IWP um das 3-4 fache +Form der Häufigkeitsverteilungen wird von GME1007 sehr gut getroffen +Maximum von GME1007 IWC liegt bei ähnlichem Wert wie CloudSat IWC GME1007 überschätzt das Maximum → Fallgeschwindigkeit von Schnee zu niedrig? In den Tropen unterschätzt GME1007 große IWCs → dadurch wird die allgemeine IWP Überschätzung in dieser Region teilweise kompensiert CloudSat GME1007 GME 5. Schlussfolgerungen und Ausblick → Schnee liefert Hauptbeitrag zum Gesamt-IWP → GME1007 wird seit Februar 2010 operationell eingesetzt Weitere Verbesserung der mikrophysikalischen Parametrisierungen im GME Verbesserung der Vergleichbarkeit zwischen Modell und Beobachtung Implementierung der Modell-Partikelform in QuickBeam Berücksichtigung des subskaligen IWC (bisher nur skalig) Ausdehnung der Untersuchungen auf COSMO-EU 1. GME Globales hydrostatisches NWV Modell des DWD Dreiecksgitter mit horizontaler Auflösung von 40 km 40, mit der Höhe mächtiger werdende, Hybridlevel Vorhersagen in stündlicher Auflösung 4 Hydrometeorklassen: Wolkeneis, Schnee, Wolken- wasser und Regen Zwei Versionen werden hier verglichen: GME →diagnostisches Niederschlagsschema GME1007 → neues prognostisches Niederschlags- schema ohne Advektion von Schnee und Regen → neue temperaturabhängige Größenverteilung für Schnee nach Field et al. [2005] Literatur: Austin, R. T., A. J. Heymsfield, and G. L. Stephens (2009), Retrieval of ice cloud microphysical parameters using the CoudSat millimeter-wave radar and temperature, J. Geophys. Res., 114, D00A23, doi:10.1029/2008JD010049. Field, P., R. Hogan, P. Brown, A. Illingworth, T. Choulartona, and R. Cotton (2005), Parameterization of ice-particle size distributions for mid-latitude stratiform cloud, Quart. J. Roy. Met. Soc., 131, 1997-2017. Haynes, J. M., R. T. Marchand, Z. Luo, A. Bodas-Salcedo, and G. L. Stephens (2007), A mulitipurpose radar simulator package: QuickBeam, Bull. Am. Met. Soc., 11/2007, 1723-1727. Rodgers, C. D. (1976), Retrieval of atmospheric temperature and composition from remote measurements of thermal radiation, Rev. Geophys., 14 (4), 609-624. 2. CloudSat CPR In Betrieb seit Juni 2006 Teil des A-Train Polarumlaufend in 705 km Höhe Umlaufzeit: 1,5 h Einziges Instrument an Bord: Cloud Profiling Radar (CPR) 94 GHz nadir-blickendes Radar Detektionsgrenzen: -27 dBZ und +29 dBZ 1,1 km = 0,16 s horiz. Auflösung Footprint: 1,8 km x 1,4 km Vertikale Auflösung: 500 m Verwendet wird: Version 5.1 IWC Retrieval (Austin et al. [2009]; in „release“ R04): „Optimal estimation” Ansatz von Rodgers [1976] Für Eiskristalle wird eine lognormale Verteilung angenommen Temperatur und Reflektivitätsfaktor gehen in die a priori Profile ein Kleinster detektierbarer IWC: 0,001 g m -3 (Unterschätzung von Cirren) 3. Methodik Zwei Ansätze: (1)„Observation-to-model“: Version 5.1 IWC Retrieval von CloudSat +Einfache Berechnung Nahe an Modellphysik (Modellparameter werden verglichen) Retrievalunsicherheiten (z. B. Lineare Skalierung zwischen Flüssig- und Eisphase, a priori Profile abhängig von T und Z) (2)„Model-to-observation“: QuickBeam v1.1a von Haynes et al. [2007] +Retrievalunsicherheiten werden umgangen Profile mit hoher Dämpfung können herausgefiltert werden Eiskristalle werden als „soft spheres“ modelliert Interpretation schwieriger: Z beinhaltet verschiedene Beiträge sowohl in Modell als auch in Beobachtung (z. B. vorhandene Hydrometeor-typen, Dämpfung) Modell Output Sampling: Der Vorhersagezeitpunkt (des 00 UTC Laufes) der am nächsten an der mittleren Zeit eines CloudSat Orbits ist wird verwendet Vertikal: Lineare Interpolation auf regelmäßige Level von 500 m Höhe Horizontal: „Nearest neighbour” Interpolation von GME auf CloudSat Gitter Gleitendes Mittel auf CloudSat Daten angewendet Validierung von Eiswassergehalten im GME mit dem CloudSat CPR Eikenberg 1, S., A. Seifert 2, S. Crewell 1 und M. Mech 1 1 Institut für Geophysik und Meteorologie, Universität zu Köln, 2 Deutscher Wetterdienst DACH 2010, Köln / Bonn, Deutschland, 20.-24. September 2010 Abb. 1: Die Modellkette des DWD. Abb. 2: CloudSat und der A-Train. [http://www.nasa.gov/mission_pages /cloudsat/] Abb. 5: Wie Abb. 3 aber normiert auf die Gesamtzahl aller Punkte. Kriterien wie in Abb. 3. Durchgezogen: IWP+SWP, gestrichelt: IWP. Abb. 3: Globale Häufigkeitsverteilungen für 1.7.2009 - 31.10.2009. (a) CloudSat Reflektivitätsfaktor, (b) GME1007 Reflek-tivitätsfaktor, (c) CloudSat IWC, (d) GME1007 IWC, (e) GME IWC, (f) GME1007 IIWC und (g) GME1007 SWC. Jeder Datensatz ist normiert mit der Zahl der jeweils eingehenden Pixel. Kriterien: (1) Temperatur ≤ -10°C um Flüssig- und Mischphase zu vermeiden, (2) Bede-ckungsgrad ≥ 50 % für möglichst homogene Bedingungen, (3) HTOPCON ≤ 1 km um subskalige und Mischphasen-effekte auszuschließen und (4) Däm-pfung ≤ 3dBZ, um große Teilchen auszu- schließen (nur für Reflektivitätsfaktor). GME1007 CloudSat GME Abb. 4: Zonal gemittelter IWP für 1.7.2009 - 31.10.2009. Durchge-zogen: IWP+SWP, gestrichelt: IWP. Inset: global gemittelter IWP. Kriterien wie in Abb. 3.
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.